مسیر تبدیل شدن به یک مهندس یادگیری ماشین!
مهندس یادگیری ماشین یا Machine Learning Engineer یکی از شغلهای نوظهور در سازمانهای دادهمحور است. مهمترین وظیفه یک مهندس یادگیری ماشین توسعه مدلها و سیستمهای نرمافزاری مبتنی بر متدها و الگوریتمهای یادگیری عمیق و یادگیری ماشین خواهد بود.
جهت تبدیل شدن به یک مهندس یادگیری ماشین به مهارتها و دانشهای پایهای متعددی نیاز خواهید داشت که در ادامه مهمترین آنها معرفی میشوند.
▪️مهارتهای برنامه نویسی
▪️ریاضی و آمار
▪️مهندسی داده
▪️الگوریتمهای یادگیری ماشین
▪️پلتفرمهای کلان داده
▪️ابزارهای هوش تجاری
پینوشت:
🔻مهندسین یادگیری ماشین در مقایسه با جایگاه تحلیلگر داده و متخصصین علمداده توانمندی بیشتری در توسعه نرمافزارهای عملیاتی دارند.
🔻اگر قصد فعالیت تخصصی در این فیلدکاری رو دارید ادامه تحصیل در رشتههای دانشگاهی مهندسی نرمافزار و هوش مصنوعی مفیدتر خواهید بود.
بااحترام
محمدرضا محتاط
@DataAnalysis
مهندس یادگیری ماشین یا Machine Learning Engineer یکی از شغلهای نوظهور در سازمانهای دادهمحور است. مهمترین وظیفه یک مهندس یادگیری ماشین توسعه مدلها و سیستمهای نرمافزاری مبتنی بر متدها و الگوریتمهای یادگیری عمیق و یادگیری ماشین خواهد بود.
جهت تبدیل شدن به یک مهندس یادگیری ماشین به مهارتها و دانشهای پایهای متعددی نیاز خواهید داشت که در ادامه مهمترین آنها معرفی میشوند.
▪️مهارتهای برنامه نویسی
▪️ریاضی و آمار
▪️مهندسی داده
▪️الگوریتمهای یادگیری ماشین
▪️پلتفرمهای کلان داده
▪️ابزارهای هوش تجاری
پینوشت:
🔻مهندسین یادگیری ماشین در مقایسه با جایگاه تحلیلگر داده و متخصصین علمداده توانمندی بیشتری در توسعه نرمافزارهای عملیاتی دارند.
🔻اگر قصد فعالیت تخصصی در این فیلدکاری رو دارید ادامه تحصیل در رشتههای دانشگاهی مهندسی نرمافزار و هوش مصنوعی مفیدتر خواهید بود.
بااحترام
محمدرضا محتاط
@DataAnalysis
کتاب سیستم توصیهگر در پایتون
کتاب Recommendation Systems with Python که در سال 2018 توسط انتشارات Packt انتشار یافته یکی از کتب مرجع آموزش گامبهگام توسعه سیستمهای توصیهگر در زبان پایتون است. در این کتاب سرفصلها ذیل به همراه کدهای پیادهسازی شده در زبان برنامهنویسی پایتون آموزشی داده میشود.
▪️Getting Started with Recommender Systems
▪️Manipulating Data with the Pandas Library
▪️Building an IMDB Top 250 Clone with Pandas
▪️Building Content-Based Recommenders
▪️Getting Started with Data Mining Techniques
▪️Building Collaborative Filters
▪️Hybrid Recommenders
سامانههای توصیهگر یکی از کاربردهای جذاب علومداده هست که سبب ارتقا تجربه دیجیتال مشتریان با ارائه محصولات شخصیسازی شده به آنها میگردد.
@DataAnalysis
کتاب Recommendation Systems with Python که در سال 2018 توسط انتشارات Packt انتشار یافته یکی از کتب مرجع آموزش گامبهگام توسعه سیستمهای توصیهگر در زبان پایتون است. در این کتاب سرفصلها ذیل به همراه کدهای پیادهسازی شده در زبان برنامهنویسی پایتون آموزشی داده میشود.
▪️Getting Started with Recommender Systems
▪️Manipulating Data with the Pandas Library
▪️Building an IMDB Top 250 Clone with Pandas
▪️Building Content-Based Recommenders
▪️Getting Started with Data Mining Techniques
▪️Building Collaborative Filters
▪️Hybrid Recommenders
سامانههای توصیهگر یکی از کاربردهای جذاب علومداده هست که سبب ارتقا تجربه دیجیتال مشتریان با ارائه محصولات شخصیسازی شده به آنها میگردد.
@DataAnalysis
جزوه مبانی آمار در یادگیری ماشین
آمار به عنوان شاخهای از ریاضیات، در بسیاری از تحلیلهای مربوط به علم داده به کار میرود. در جزوه 200 صفحه مبانی آمار در یادگیری ماشین اهم مطالب و موضوعات تحلیل آماری که بعنوان یک متخصص علمداده میبایست به آنها مسلط باشید در سرفصلهای زیر آموزش داده شده هست. مطالعه این کتاب رو برای تمامی کارآموزان، کارشناسان و متخصصین علمداده توصیه میکنم.
▪️مبانی احتمال (Foundations of probability)
▪️تخمین پارامتر (Classical parametric estimation)
▪️برآوردهای ناپارامتریک (Nonparametric estimation)
▪️یادگیری بانظارت آماری (Statistical supervised learning)
▪️روشهای یادگیری ماشین (The machine learning procedure)
▪️رویکردهای خطی (Linear approaches)
▪️رویکردهای غیرخطی (Nonlinear approaches)
▪️انتخاب ویژگی (Feature selection)
@DataAnalysis
آمار به عنوان شاخهای از ریاضیات، در بسیاری از تحلیلهای مربوط به علم داده به کار میرود. در جزوه 200 صفحه مبانی آمار در یادگیری ماشین اهم مطالب و موضوعات تحلیل آماری که بعنوان یک متخصص علمداده میبایست به آنها مسلط باشید در سرفصلهای زیر آموزش داده شده هست. مطالعه این کتاب رو برای تمامی کارآموزان، کارشناسان و متخصصین علمداده توصیه میکنم.
▪️مبانی احتمال (Foundations of probability)
▪️تخمین پارامتر (Classical parametric estimation)
▪️برآوردهای ناپارامتریک (Nonparametric estimation)
▪️یادگیری بانظارت آماری (Statistical supervised learning)
▪️روشهای یادگیری ماشین (The machine learning procedure)
▪️رویکردهای خطی (Linear approaches)
▪️رویکردهای غیرخطی (Nonlinear approaches)
▪️انتخاب ویژگی (Feature selection)
@DataAnalysis
Forwarded from دانشگاه تهران
مرکز آموزش ضمن خدمت دانشگاه تهران برگزار می کند:
برای اولین بار در ایران
۱۵ مرداد
دوره علم داده برای مهندسان صنایع
به مدت ۴۸ ساعت آنلاین
در قالب پروژه های صنایعی: بازاریابی و فروش، زنجیره تامین، منابع انسانی و مالی
لینک ثبت نام
https://utperm.com/course/dataie/
@bperm_admin @Bperm_UT
تماس: 02182084160
09377516759
@UTNEWSLINE
برای اولین بار در ایران
۱۵ مرداد
دوره علم داده برای مهندسان صنایع
به مدت ۴۸ ساعت آنلاین
در قالب پروژه های صنایعی: بازاریابی و فروش، زنجیره تامین، منابع انسانی و مالی
لینک ثبت نام
https://utperm.com/course/dataie/
@bperm_admin @Bperm_UT
تماس: 02182084160
09377516759
@UTNEWSLINE
Forwarded from متخصصان علم داده ها data scientists
برترین مهارتهای پایه و داغ متخصصین علمداده
در شکل فوق برترین مهارتهای پایه (Core Skills) و مهارتهای روبه رشد (Hot Skills) متخصصین علمداده براساس نظرسنجی وبسایت KDnuggets معرفی شده است.
برترین مهارتهای پایه:
▪️یادگیری ماشین
▪️پایتون
▪️آمار
▪️مصورسازی داده
▪️مهارتهای ارتباطی
▪️تفکر انتقادی
▪️زبان SQL
▪️فهم کسبوکار
▪️اکسل
▪️ریاضی
برترین مهارتهای روبهرشد:
▪️یادگیری عمیق
▪️فریمورک Tensorflow
▪️آپاچی اسپارک
▪️پردازش زبان طبیعی
▪️آپاچی هدوپ
▪️فریمورک Pytorch
▪️پایگاه دادههای غیررابطهای (NoSQL)
▪️زبان Scala
▪️شرکت در مسابقات Kaggle
▪️سایر ابزارهای Big Data
@DataAnalysis
در شکل فوق برترین مهارتهای پایه (Core Skills) و مهارتهای روبه رشد (Hot Skills) متخصصین علمداده براساس نظرسنجی وبسایت KDnuggets معرفی شده است.
برترین مهارتهای پایه:
▪️یادگیری ماشین
▪️پایتون
▪️آمار
▪️مصورسازی داده
▪️مهارتهای ارتباطی
▪️تفکر انتقادی
▪️زبان SQL
▪️فهم کسبوکار
▪️اکسل
▪️ریاضی
برترین مهارتهای روبهرشد:
▪️یادگیری عمیق
▪️فریمورک Tensorflow
▪️آپاچی اسپارک
▪️پردازش زبان طبیعی
▪️آپاچی هدوپ
▪️فریمورک Pytorch
▪️پایگاه دادههای غیررابطهای (NoSQL)
▪️زبان Scala
▪️شرکت در مسابقات Kaggle
▪️سایر ابزارهای Big Data
@DataAnalysis
در کدام یک از فریمورکهای یادگیری عمیق (Deep Learning) تخصص دارید؟
Anonymous Poll
38%
TensorFlow
18%
PyTorch / Torch
32%
Keras
2%
Apache MXNet
3%
Caffe
2%
DEEPLEARNING4J (DL4J)
2%
Theano
2%
Microsoft Cognitive Toolkit (CNTK)
8%
Others
29%
Neither
برترین دورههای آموزشی یادگیری ماشین و هوش مصنوعی
https://bit.ly/2YruuQJ
در ادامه 10 دوره تخصصی در حوزههای یادگیری ماشین و هوش مصنوعی در دو سطح مقدماتی و پیشرفته معرفی میشود. ویدیوهای تمامی این دورههای آموزشی به صورت رایگان با کلیک برروی عناوین آنها در یوتیوب در دسترس خواهند بود.
دورههای مقدماتی:
▪️دوره یادگیری ماشین دانشگاه استنفورد (CS229)
▪️دوره مقدمهای بر هوش مصنوعی دانشگاه برکلی (UC CS188)
▪️دوره یادگیری سال 2020 دانشگاه کلمبیا
▪️دوره پردازش زبان طبیعی با یادگیری عمیق دانشگاه استنفورد (CS224N)
دورههای پیشرفته:
▪️ریاضیات در یادگیری ماشین دانشگاه واشنگتن
▪️یادگیری عمیق و یادگیری تقویتی پیشرفته شرکت DeepMind
▪️یادگیری ماشین دانشگاه واشنگتن
▪️مفاهیم پردازش زبان طبیعی دانشگاه استنفورد
▪️رباتیک پیشرفته دانشگاه برکلی
▪️یادگیری بدون نظارت در یادگیری عمیق دانشگاه برکلی
شرکت در دورههای آموزشی دانشگاهها و مراکز آموزشی معتبر یکی از میانبرهای موفقیت در بازار علوم داده و یادگیری ماشین است. در این فیلدها با توجه به تحولات سریع تکنولوژی میبایست بیش از گذشته خود را ملزم به یادگیری فعالانه و پویا نمایید.
با احترام
محمدرضا محتاط
@DataAnalysis
https://bit.ly/2YruuQJ
در ادامه 10 دوره تخصصی در حوزههای یادگیری ماشین و هوش مصنوعی در دو سطح مقدماتی و پیشرفته معرفی میشود. ویدیوهای تمامی این دورههای آموزشی به صورت رایگان با کلیک برروی عناوین آنها در یوتیوب در دسترس خواهند بود.
دورههای مقدماتی:
▪️دوره یادگیری ماشین دانشگاه استنفورد (CS229)
▪️دوره مقدمهای بر هوش مصنوعی دانشگاه برکلی (UC CS188)
▪️دوره یادگیری سال 2020 دانشگاه کلمبیا
▪️دوره پردازش زبان طبیعی با یادگیری عمیق دانشگاه استنفورد (CS224N)
دورههای پیشرفته:
▪️ریاضیات در یادگیری ماشین دانشگاه واشنگتن
▪️یادگیری عمیق و یادگیری تقویتی پیشرفته شرکت DeepMind
▪️یادگیری ماشین دانشگاه واشنگتن
▪️مفاهیم پردازش زبان طبیعی دانشگاه استنفورد
▪️رباتیک پیشرفته دانشگاه برکلی
▪️یادگیری بدون نظارت در یادگیری عمیق دانشگاه برکلی
شرکت در دورههای آموزشی دانشگاهها و مراکز آموزشی معتبر یکی از میانبرهای موفقیت در بازار علوم داده و یادگیری ماشین است. در این فیلدها با توجه به تحولات سریع تکنولوژی میبایست بیش از گذشته خود را ملزم به یادگیری فعالانه و پویا نمایید.
با احترام
محمدرضا محتاط
@DataAnalysis
موقعیت شغلی تحلیلگر داده در اپلیکیشن آپ!
▪️شرح شغل
• طراحی مدل قیمت گذاری بر اساس پارامترهای سرویس و رفتار کاربران
• استفاده از مدلهای داده کاوی متناسب با هر سرویس
• ارزیابی منابع داده و شیوههای گردآوری دیتا در جهت بهبود
• طراحی و اجرای نظرسنجیهای مورد نیاز در حوزه کسب و کار
• یافتن مفاهیم عمیق از روندهای داده و استفاده از آنها در کسب و کار
▪️نیازمندیها:
• مدرک کارشناسی ارشد در یکی از رشتههای آمار، ریاضی یا علوم کامپیوتر
• حداقل 3 سال سابقه کار مشابه
• توانایی حل مسأله
• تجربه کار با نرم افزارهای آماری (SPSS، R، SAS، ...) و یا زبانهای برنامه نویسی علم داده (Python، ...)
• توانایی استفاده از مفاهیم پیشرفته علم آمار (رگرسیون، سریهای زمانی، آزمونهای آماری و ...)
ارسال رزومه به e.kiyaninejad@asanpardakht.ir
@DataAnalysis
▪️شرح شغل
• طراحی مدل قیمت گذاری بر اساس پارامترهای سرویس و رفتار کاربران
• استفاده از مدلهای داده کاوی متناسب با هر سرویس
• ارزیابی منابع داده و شیوههای گردآوری دیتا در جهت بهبود
• طراحی و اجرای نظرسنجیهای مورد نیاز در حوزه کسب و کار
• یافتن مفاهیم عمیق از روندهای داده و استفاده از آنها در کسب و کار
▪️نیازمندیها:
• مدرک کارشناسی ارشد در یکی از رشتههای آمار، ریاضی یا علوم کامپیوتر
• حداقل 3 سال سابقه کار مشابه
• توانایی حل مسأله
• تجربه کار با نرم افزارهای آماری (SPSS، R، SAS، ...) و یا زبانهای برنامه نویسی علم داده (Python، ...)
• توانایی استفاده از مفاهیم پیشرفته علم آمار (رگرسیون، سریهای زمانی، آزمونهای آماری و ...)
ارسال رزومه به e.kiyaninejad@asanpardakht.ir
@DataAnalysis
Forwarded from کانال آقای صنایع (اميـــررضـــا تجـــلى)
_1598263730_1.pdf
3 MB
🔴 برنامه درسی رشته مهندسی کامپیوتر
گرایش علوم داده - کارشناسی ارشد
دانشگاه خاتم
بنظرم از دروس قابل توجه سرفصلهای وزارت علوم به دروس ۳ واحدی زیر میشه اشاره کرد:
▪️آمار و احتمالات مهندسی
▪️ریاضیات علوم داده
▪️تحلیل داده کاربردی
▪️پایگاه داده
▪️یادگیری ماشین
▪️شبکه های عصبی
▪️یادگیری ژرف
▪️یادگیری آماری
▪️داده کاوی پیشرفته
▪️بهینه سازی در علوم داده
▪️گراف کاوی
▪️سیستم های توزیع شده
▪️تحلیل مه داده
▪️محاسبات ابری
▪️سری های زمانی (🤞)
▪️پردازش زبان طبیعی
▪️بینایی ماشین
اول اینکه باید ابراز خوشحالی کرد بابت این اتفاق. (هرچند که دانشگاه تربیتمدرس و شهیدبهشتی هم یکی دوسال پیش حرکت مثبتی در مقطع ارشد زده بودند)
نکته قابل توجه تفکیک ۳ واحدی های یادگیری ماشین و داده کاوی در سرفصل وزارت علوم هست که همچنان یک عده اینارو یکی میدونند 😊
و نکته ارزشمند تر ۳ واحدی بهینهسازی در علم داده هست که اساسا جذاب کرده این پکیج رو
البته بخش قابل توجهی از این مطالب در دوره ۲۵۰ ساعته دانشگاه تهران پوشش داده میشه (که اینجا براتون گذاشته بودم) و بنظرم دوره ای در ایران قابل قیاس باهاش نیست واقعا
اما در کل اتفاق مثبتی هست.
☯ @Mr_IE
گرایش علوم داده - کارشناسی ارشد
دانشگاه خاتم
بنظرم از دروس قابل توجه سرفصلهای وزارت علوم به دروس ۳ واحدی زیر میشه اشاره کرد:
▪️آمار و احتمالات مهندسی
▪️ریاضیات علوم داده
▪️تحلیل داده کاربردی
▪️پایگاه داده
▪️یادگیری ماشین
▪️شبکه های عصبی
▪️یادگیری ژرف
▪️یادگیری آماری
▪️داده کاوی پیشرفته
▪️بهینه سازی در علوم داده
▪️گراف کاوی
▪️سیستم های توزیع شده
▪️تحلیل مه داده
▪️محاسبات ابری
▪️سری های زمانی (🤞)
▪️پردازش زبان طبیعی
▪️بینایی ماشین
اول اینکه باید ابراز خوشحالی کرد بابت این اتفاق. (هرچند که دانشگاه تربیتمدرس و شهیدبهشتی هم یکی دوسال پیش حرکت مثبتی در مقطع ارشد زده بودند)
نکته قابل توجه تفکیک ۳ واحدی های یادگیری ماشین و داده کاوی در سرفصل وزارت علوم هست که همچنان یک عده اینارو یکی میدونند 😊
و نکته ارزشمند تر ۳ واحدی بهینهسازی در علم داده هست که اساسا جذاب کرده این پکیج رو
البته بخش قابل توجهی از این مطالب در دوره ۲۵۰ ساعته دانشگاه تهران پوشش داده میشه (که اینجا براتون گذاشته بودم) و بنظرم دوره ای در ایران قابل قیاس باهاش نیست واقعا
اما در کل اتفاق مثبتی هست.
☯ @Mr_IE
Forwarded from متخصصان علم داده ها data scientists
بررسی وضعیت فعلی علم داده ها و تصور اینده ان در صنعت
@aryavisions
@aryavisions
نقدی بر مسابقه علمداده دیجیکالا!
به تازگی شرکت دیجیکالا در حال برگزاری مسابقهای با محوریت علوم داده است. مسابقهای که علاوه بر حل یک چالش سازمانی این شرکت امکان استخدام و جذب را برای افراد برگزیده فراهم میکند.
از نکات قابل تامل و تعجب در این مسابقه جایزه نفرات برتر است. در سایت این مسابقه در مجموع 6 میلیون تومان برای 3 نفر برگزیده اعلام شده است. امری که فارغ از شناسایی و جذب افراد مستعد، سودی بسیار بیشتر با حل چالش سازمانی این شرکت تحت مسابقات علوم داده با دریافت سورس کد تمامی شرکتکنندگان خواهد داشت.
در سال گذشته نیز یک مسابقهای توسط شرکت همآوا و ستاد توسعه علوم و فناوریهای شناختی با حمایتهای شرکتهای دیجیکالا، تپسی، دیوار و... در حوزه علومداده برگزار شد که با نقدهای بسیاری همراه گردید.
امید است بلوغ شرکتهای کشور در برگزاری این قبیل مسابقات بیش از گذشته شود.
@DataAnalysis
به تازگی شرکت دیجیکالا در حال برگزاری مسابقهای با محوریت علوم داده است. مسابقهای که علاوه بر حل یک چالش سازمانی این شرکت امکان استخدام و جذب را برای افراد برگزیده فراهم میکند.
از نکات قابل تامل و تعجب در این مسابقه جایزه نفرات برتر است. در سایت این مسابقه در مجموع 6 میلیون تومان برای 3 نفر برگزیده اعلام شده است. امری که فارغ از شناسایی و جذب افراد مستعد، سودی بسیار بیشتر با حل چالش سازمانی این شرکت تحت مسابقات علوم داده با دریافت سورس کد تمامی شرکتکنندگان خواهد داشت.
در سال گذشته نیز یک مسابقهای توسط شرکت همآوا و ستاد توسعه علوم و فناوریهای شناختی با حمایتهای شرکتهای دیجیکالا، تپسی، دیوار و... در حوزه علومداده برگزار شد که با نقدهای بسیاری همراه گردید.
امید است بلوغ شرکتهای کشور در برگزاری این قبیل مسابقات بیش از گذشته شود.
@DataAnalysis
کتاب مرجع یادگیری عمیق!
کتاب Deep Learning انتشارات MIT Press یکی از کتابهای مرجع یادگیری یادگیری عمیق است. این کتاب توسط آقای Goodfellow از مدیران ارشد یادگیری ماشین کمپانیهای Apple و Google(اسبق) در سال 2016 نوشته شده است.
این کتاب در 20 فصل تخصصی نگارش شده است.
▪️Introduction
▪️Linear Algebra
▪️Probability and Information Theory
▪️Numerical Computation
▪️Machine Learning Basics
▪️Deep Feedforward Networks
▪️Regularization for Deep Learning
▪️Optimization for Training Deep Models
▪️Convolutional Networks
▪️Sequence Modeling
▪️Practical Methodology Applications
▪️Linear Factor Models
▪️Autoencoders
▪️Representation Learning
▪️Structured Probabilistic Models
▪️Monte Carlo Methods
▪️Confronting the Partition Function
▪️Approximate Inference
▪️Deep Generative Models
مطالعه این کتاب رو به تمامی متخصصین یادگیری عمیق، مهندسین یادگیری ماشین و متخصص علمداده پیشنهاد میکنم. قابل ذکر هست که کتاب فوق با نام یادگیری ژرف نیز به فارسی ترجمه شده است.
@DataAnalysis
کتاب Deep Learning انتشارات MIT Press یکی از کتابهای مرجع یادگیری یادگیری عمیق است. این کتاب توسط آقای Goodfellow از مدیران ارشد یادگیری ماشین کمپانیهای Apple و Google(اسبق) در سال 2016 نوشته شده است.
این کتاب در 20 فصل تخصصی نگارش شده است.
▪️Introduction
▪️Linear Algebra
▪️Probability and Information Theory
▪️Numerical Computation
▪️Machine Learning Basics
▪️Deep Feedforward Networks
▪️Regularization for Deep Learning
▪️Optimization for Training Deep Models
▪️Convolutional Networks
▪️Sequence Modeling
▪️Practical Methodology Applications
▪️Linear Factor Models
▪️Autoencoders
▪️Representation Learning
▪️Structured Probabilistic Models
▪️Monte Carlo Methods
▪️Confronting the Partition Function
▪️Approximate Inference
▪️Deep Generative Models
مطالعه این کتاب رو به تمامی متخصصین یادگیری عمیق، مهندسین یادگیری ماشین و متخصص علمداده پیشنهاد میکنم. قابل ذکر هست که کتاب فوق با نام یادگیری ژرف نیز به فارسی ترجمه شده است.
@DataAnalysis
Deep Learning by Ian Goodfellow.pdf
15.3 MB
کتاب مرجع یادگیری عمیق!
@DataAnalysis
@DataAnalysis
وبسایتهای مرجع آموزش Data Science
https://bit.ly/33GGVd6
یکی از مولفههای کلیدی موفقیت در فیلدکاری علوم داده، یادگیری مستمر و بروزرسانی دانش خود است. در ادامه برترین وبسایتهای ارائه دهنده مطالب آموزشی، دورههای آنلاین و دیتاست در این فیلدکاری معرفی میشوند.
▪️دورههای آموزشی آنلاین:
1️⃣ EDX
2️⃣ Coursera
3️⃣ DataCamp
4️⃣ Udemy
5️⃣ Udacity
6️⃣ Lynda
▪️وبسایتهای آموزشی:
1️⃣ KDnuggets
2️⃣ Medium
3️⃣ Analytics Vidhya
4️⃣ Khan Academy
5️⃣ R-bloggers
▪️وبسایتهای ارائه دهنده دیتاست:
1️⃣ Kaggle
2️⃣ UCI Machine Learning Repository
3️⃣ Google Custom Dataset Search
4️⃣ Quandl
5️⃣ VisualData
@DataAnalysis
https://bit.ly/33GGVd6
یکی از مولفههای کلیدی موفقیت در فیلدکاری علوم داده، یادگیری مستمر و بروزرسانی دانش خود است. در ادامه برترین وبسایتهای ارائه دهنده مطالب آموزشی، دورههای آنلاین و دیتاست در این فیلدکاری معرفی میشوند.
▪️دورههای آموزشی آنلاین:
1️⃣ EDX
2️⃣ Coursera
3️⃣ DataCamp
4️⃣ Udemy
5️⃣ Udacity
6️⃣ Lynda
▪️وبسایتهای آموزشی:
1️⃣ KDnuggets
2️⃣ Medium
3️⃣ Analytics Vidhya
4️⃣ Khan Academy
5️⃣ R-bloggers
▪️وبسایتهای ارائه دهنده دیتاست:
1️⃣ Kaggle
2️⃣ UCI Machine Learning Repository
3️⃣ Google Custom Dataset Search
4️⃣ Quandl
5️⃣ VisualData
@DataAnalysis